AI. Se puede recordar, pero todavía lo aplastarías en Magic: The Gathering

$config[ads_kvadrat] not found

Black Eyed Peas, J Balvin - RITMO (Bad Boys For Life) (Official Music Video)

Black Eyed Peas, J Balvin - RITMO (Bad Boys For Life) (Official Music Video)
Anonim

Las redes neuronales son fundamentales para el futuro de A.I. y, según Elon Musk, el futuro de toda la humanidad. Afortunadamente, el DeepMind de Google simplemente rompió el código para hacer que las redes neuronales sean mucho más inteligentes al proporcionarles memoria interna.

En un estudio publicado en Naturaleza el 12 de octubre, DeepMind mostró cómo las redes neuronales y los sistemas de memoria se pueden combinar para crear un aprendizaje automático que no solo almacena el conocimiento, sino que lo usa rápidamente para razonar según las circunstancias. Uno de los mayores desafíos con A.I. es conseguir que recuerde cosas. Parece que estamos un paso más cerca de lograrlo.

Llamadas computadoras neurales diferenciables (DNC), las redes neuronales mejoradas funcionan como una computadora. Una computadora tiene un procesador para completar tareas (una red neuronal) pero requiere un sistema de memoria para que el procesador realice algoritmos desde diferentes puntos de datos (el DNC).

Antes de la innovación de DeepMind, las redes neuronales tenían que depender de la memoria externa para no interferir con la actividad neuronal de la red.

Sin memoria externa, las redes neuronales solo son capaces de razonar una solución basada en información conocida. Necesitan cantidades masivas de datos y práctica para ser más precisos. Al igual que un humano aprendiendo un nuevo idioma, en realidad toma tiempo para que las redes neuronales se vuelvan inteligentes. Es la misma razón por la que la red neuronal de DeepMind es excelente en Go, pero terrible en el juego basado en la estrategia Magic: las redes neuronales no pueden procesar suficientes variables sin memoria.

La memoria permite que las redes neuronales incorporen variables y analicen rápidamente los datos para que pueda graficar algo tan complejo como el metro de Londres y poder sacar conclusiones basadas en puntos de datos específicos. En el estudio de DeepMind, encontraron que un DNC podría aprender por sí solo a responder preguntas sobre las rutas más rápidas entre los destinos y en qué destino terminaría un viaje simplemente utilizando el gráfico presentado recientemente y el conocimiento de otros sistemas de transporte. También podría deducir relaciones de un árbol genealógico sin información presentada, excepto el árbol. El DNC pudo completar un objetivo para una tarea determinada sin recibir los puntos de datos adicionales que necesitaría una red neuronal tradicional.

Si bien eso puede no parecer terriblemente impresionante (Google Maps ya es bastante bueno para calcular la ruta más eficiente en algún lugar), la tecnología es un gran paso para el futuro de A.I. Si crees que la búsqueda predictiva es eficiente (o espeluznante), imagina lo bueno que podría ser con la memoria de red neuronal. Cuando busques el nombre de Ben en Facebook, sabrás por el hecho de que solo estabas en la página de un amigo mutuo al ver una foto de él y te refieres a Ben de la calle, no a Ben de la escuela primaria.

Aprendizaje de lenguaje natural A.I. finalmente tendría suficiente contexto para operar tanto en el lenguaje de la Wall Street Journal y ser capaz de entender el Twitter negro. Siri pudo entender que Pepe the Frog es más que un personaje de una tira cómica porque lee cada Inverso artículo al respecto.

"Estoy muy impresionado por la capacidad de la red para aprender 'algoritmos' de ejemplos", dijo Brenden Lake, un científico cognitivo de la Universidad de Nueva York. Revisión de Tecnología. “Los algoritmos, como la clasificación o la búsqueda de caminos más cortos, son el pan y la mantequilla de la informática clásica. Tradicionalmente, requieren un programador para diseñar e implementar ".

Dando A.I. la capacidad de comprender el contexto le permite omitir la necesidad de algoritmos programados.

Si bien el DNC de DeepMind no es el primer experimento en memoria neuronal, es el más sofisticado. Dicho esto, la red neuronal se encuentra todavía en sus primeras etapas y aún queda un largo camino por recorrer antes de que llegue a niveles humanos de aprendizaje. Los investigadores aún deben averiguar cómo escalar el procesamiento de los sistemas para que pueda escanear y calcular el uso rápido de cada pieza de memoria.

Por ahora, los humanos logran reinar neurológicamente de manera suprema.

$config[ads_kvadrat] not found